Abschlusstagung Eberswalde, den Landeskompetenzzentrum Forst Eberswalde Michael Körner

Transkript

1 Airborne Laserscanning Ein Werkzeug zur Unterstützung forstwirtschaftlicher Aufgaben Abschlusstagung Eberswalde, den Landeskompetenzzentrum Forst Eberswalde Michael Körner

2 Gliederung 1. Einführung Laserscanning 2. Ermittlung von forstlichen Kenngrößen 3. Teilprojekt mit dem Landkreis Barnim a. Baumbestandserfassung b. Veränderungsanalyse 4. Sonstige Ergebnisse

3 1. Einführung Laserscanning Quelle: McGaughey, R.J. (2010): Fusion/LDV-Software for Lidar Data Analysis and Visualization. USDA -First Pulse = erste signifikante Reflexion -Last Pulse = letzte signifikante Reflexion Beispiel: Ast First oder Last pulse Boden First und Last pulse Gebäude First und Last pulse

4 1. Einführung Laserscanning Daten liegen als georeferenzierte 3D-Punkte-Wolke im.las- Format vor *Waldcampus - Eberswalde **Einfärbung nach Klassifizierung Boden niedrige-, mittlere- und hohe Vegetation Gebäude

5 1. Einführung Laserscanning Überführung der Punktwolke in Modelle mit festem Raster DGM Digitales Geländemodell (Geländehöhe ü. NN) DOM Digitales Oberflächenmodell (Höhe der Oberfläche ü. NN) ndom normalisiertes DOM (Höhe ü. Gelände = DOM-DGM)

6 2. Ermittlung von forstlichen Kenngrößen MILAN Geoservice GmbH 62 km² mit 25 Punkten/m²

7 2. Ermittlung von forstlichen Kenngrößen Aufnahme von Inventurplots (MEP Plan GmbH, HNEE) Gemessene Plotmerkmale BHD aller Bäume > 7 cm m.r. 15 Baumhöhen je Baumart und Schicht Plotradius 12 m GPS-Position Festes Raster von 400 x 500 m

8 2. Ermittlung von forstlichen Kenngrößen h max Terrestrische Daten - Inventurdaten h 90 Plotweise Berechnung von Lasermetriken h 40 Parametrisierung einer Schätzfunktion h 25 Berechnung von Lasermetriken ÜG Berechnung von Ertragskenngrößen

9 2. Ermittlung von forstlichen Kenngrößen h 99 =29,4 m h 75 =5,2 m ÜG=48,9 % h 99 =28,2 h 75 =18,6 m ÜG=71,8 % h 99 =27,5 h 75 =24,6 m ÜG=90,1 % VD = 90,9 m²/ha VD = 292,3 m²/ha VD = 504,9 m²/ha

10 2. Ermittlung von forstlichen Kenngrößen Parametrisierung einer Schätzfunktion anhand von Lasermetriken und den terrestrischen Daten der Inventurplots Stichprobenumfang n = 165 Schrittweise Variablenauswahl step{stats} (Kriterium AIC)

11 2. Ermittlung von forstlichen Kenngrößen VD = f h 01, h 05, h 10, h 20, h 25, h 30, h 40, h 50, h 60, h 70, h 75, h 80, h 90, h 95, h 99, ÜG - h ,79 - h ,79 - h ,79 - h ,80 - h ,80 - h ,83 - ÜG 1467,89 - h ,99 - h ,07 - h ,79 - h ,58 - h ,47 h 25, h 40, h 60, h 90

12 2. Ermittlung von forstlichen Kenngrößen Parametrisierungsergebnisse Kenngröße Prädiktoren Korr. Bestimmtheitsmaß Mittlerer Fehler HG [m] Oberbestand 9 0,813 2,7 m N [Stück] 7 0, Stück G [m²] 6 0,613 6,8 m² VD [m³] 4 0,704 88,3 m³

13 2. Ermittlung von forstlichen Kenngrößen Flächige Berechnung des Holzvorrates VD [m³/ha] VD [m³/ha]=f(h 25, h 40, h 60, h 90 ) Unabhängige Variablen - Lasermetriken Volumen [m³/ha) liegt pixelweise vor und kann auf einzelne Behandlungs- Einheiten aggregiert werden.

14 Gliederung 1. Einführung Laserscanning 2. Ermittlung von forstlichen Kenngrößen 3. Teilprojekt mit dem Landkreis Barnim a. Baumbestandserfassung b. Veränderungsanalyse 4. Sonstige Ergebnisse

15 3a. Baumbestandserfassung Südlicher Teil des Landkreises Barnim Untersuchungsgebiet 541 km² Befliegungszeitraum Bearbeitung der Daten durch Kachelung von 1 x 1 km verbessert 649 Kacheln Mio. Punkte > 8 Punkte/m²

16 3a. Baumbestandserfassung normalisiertes digitales Oberflächenmodell (ndom) Differenz zwischen DOM und DGM Enthält Information über Vegetationshöhe Sechs Kacheln des ndom am Beispiel von Bernau

17 3a. Baumbestandserfassung Bestimmung lokaler Maxima mittels eigenem R-Skript Lokales Maxima höchstem Pixel in Abhängigkeit seiner Nachbarn Berechnungsschritte: 1. Raster (.tif-datei) einladen 2. Höhenwerte < 5 m entfernen 3. Pixel mit lokalem Maximum bestimmen (zentrales Pixel einer 9 x 9 Zellen großen Matrix hat den höchsten Wert) 4. Gefundene Pixel in Punkt-Feature mit ID, x- und y-koordinate umwandeln 5. Abspeichern der Punkte pro.tif-kachel als.shp-datei Berechnung aller Kacheln unter Nutzung einer for-schleife (Berechnungszeit: 6 Std. 14 Min.)

18 3a. Baumbestandserfassung Visualisierung des Berechnungsablaufs in R 1. Raster einladen 2. Höhen < 5 m entfernen 3. Pixel mit lokalem Maxima bestimmen 4. Pixel in Punkt-Feature umwandeln 5. Abspeichern als.shp- Datei

19 3a. Baumbestandserfassung Visualisierung des Berechnungsablaufs in R 1. Raster einlagen 2. Höhen < 5 m entfernen 3. Pixel mit lokalem Maxima bestimmen 4. Pixel in Punkt-Feature umwandeln 5. Abspeichern als.shp- Datei

20 3a. Baumbestandserfassung Visualisierung des Berechnungsablaufs in R 1. Raster einlagen 2. Höhen < 5 m entfernen 3. Pixel mit lokalem Maxima bestimmen 4. Pixel in Punkt-Feature umwandeln 5. Abspeichern als.shp- Datei

21 3a. Baumbestandserfassung Visualisierung des Berechnungsablaufs in R 1. Raster einlagen 2. Höhen < 5 m entfernen 3. Pixel mit lokalem Maxima bestimmen 4. Pixel in Punkt-Feature umwandeln 5. Abspeichern als.shp- Datei

22 3a. Baumbestandserfassung Visualisierung des Berechnungsablaufs in R 1. Raster einlagen 2. Höhen < 5 m entfernen 3. Pixel mit lokalem Maxima bestimmen 4. Pixel in Punkt-Feature umwandeln 5. Abspeichern als.shp- Datei

23 3a. Baumbestandserfassung Lokale Maxima existieren im ndom nicht nur bei Bäumen Nachbearbeitung ist erforderlich Ausschnitt des ndom mit ungefilterten lokalen Maxima am Beispiel der Innenstadt Bernau mit angrenzendem Stadtpark

24 3a. Baumbestandserfassung Entfernung der lokalen Maxima auf Gebäuden Gebäudelayer wurde anhand der Laserdaten erzeugt Ausschnitt des ndom am Beispiel der Innenstadt Bernau mit angrenzendem Stadtpark

25 3a. Baumbestandserfassung Entfernung der lokalen Maxima auf Gebäuden Gebäudelayer wurde anhand der Laserdaten erzeugt Ausschnitt des ndom am Beispiel der Innenstadt Bernau mit angrenzendem Stadtpark

26 3a. Baumbestandserfassung Manuelle Entfernung von falsch identifizierten und Ergänzung von nicht erfassten Bäumen Ausschnitt des ndom am Beispiel der Innenstadt Bernau mit angrenzendem Stadtpark

27 3b. Veränderungsanalyse 2011 Subtraktion der normalisierten Höhen m bis -3 m -3 m bis 3 m 3 m bis 30 m Kategorisierte Darstellung der Differenzbildung am Beispiel von Bernau (Wasserturm, Stadtpark, Innenstadt)

28 3b. Veränderungsanalyse Negative Veränderung über dem ndom am Beispiel von Bernau (Wasserturm, Stadtpark, Innenstadt) Enthalten sind auch kleine und unerwünschte Veränderungen wie sie durch Auflösungsunterschiede zustande kommen. Aufgrund von Auflösungsunterschieden sind die Datensätze von 2013 und 2011 nicht einhundertprozentig deckungsgleich

29 3b. Veränderungsanalyse Versuch zur Verbesserung durch gezielte Selektion 1. Schritt: Selektion anhand der Flächengröße der Veränderung Flächen < 15 m² wurden eliminiert

30 3b. Veränderungsanalyse Versuch zur Verbesserung durch gezielte Selektion 2. Schritt: Berechnung des Verhältnisses aus Flächengröße und Umfang der Veränderung Einfacher Ansatz zur Beschreibung der Kompaktheit der Veränderung Veränderungen mit einem Ratio < 1,2 wurden eliminiert Lange Veränderungen entlang von Häuserkanten können sehr gut entfernt werden

31 4. Sonstige Ergebnisse Besondere Strukturen im DGM Strukturen militärischer Stellungen/ Einrichtungen in der Nähe vom Flugplatz Finow Kreisgrabenanlage in der Nähe von Melchow

32 4. Sonstige Ergebnisse Besondere Strukturen im DGM Kreisförmige Objekte mit Vertiefung im Zentrum GAYER-FABRICIUS (1949): Die Forstbenutzung. 14. Auflage. Verlag Paul Parey Querschnitt eines stehenden Holzkohlemeilers mit senkrechtem Quandelschacht

33 4. Sonstige Ergebnisse Erkennung von Meilerplatten im DGM Strukturen sind vor Ort kaum zu erkennen Krautvegetation etwas höher als in der Umgebung der Meilerplatten Höhenunterschiede von cm werden durch den ALS erfasst

34 4. Sonstige Ergebnisse Erkennung von Meilerplatten im DGM Holzkohlereste im Oberboden Lockerer Oberboden und deutliche Einwaschung in tiefere Bodenschichten

35 4. Sonstige Ergebnisse Erkennung von Meilerplatten im DGM Zahlreiche Relikte der Holzkohlegewinnung

36 4. Sonstige Ergebnisse Erkennung von Meilerplatten im DGM 1883 potentielle Meiler

37 4. Sonstige Ergebnisse Digitalisierung des Feinerschließungssystems

38 4. Sonstige Ergebnisse Festlegen eines Pufferbereichs zur Prüfung des Abstands

39 Vielen Dank für Ihre Aufmerksamkeit!